如何使用应用函数来规范化熊猫列答案

【问题标题】：How to use apply function to normalize columns pandas如何使用应用函数来规范化熊猫列
【发布时间】：2021-01-06 17:09:13
【问题描述】：

我需要使用以下公式对列进行规范化：

x/total * 100

我在这里创建了我的自定义函数：

def normalize(df):
    result=[]
    total= df[col].sum()
    for value in df[col]:
        result.append(value/total *100)
    return result

在此处应用该功能。我得到TypeError: normalize() got an unexpected keyword argument 'axis'

df['columnname'].apply(normalize, axis=1)

请问我该怎么做？或者/并且有没有更有效的方法来做到这一点？谢谢

【问题讨论】：

标签： python python-3.x dataframe apply

【解决方案1】：

你需要把 normalize 改为 -

def normalize(inp):
    inp = inp.values
    result=[]
    
    total= sum(inp)
    for value in inp:
        result.append(value/total *100)
    return result

#### Using Numpy Directly , avoiding the for loop
def normalize_numpy(inp):
    total= sum(inp)
    return inp/total * 100

>>> l = [100,34,56,71,2,4,5,2,10]
>>> v = [1,2,3,4,5,68,1,2,3]

>>> df = pd.DataFrame(data=list(zip(l,v)),columns=['Col1','Col2'])

多列使用

>>> df[['Col1','Col2']].apply(lambda x:normalize_numpy(x),axis=0)
        Col1       Col2
0  35.211268   1.123596
1  11.971831   2.247191
2  19.718310   3.370787
3  25.000000   4.494382
4   0.704225   5.617978
5   1.408451  76.404494
6   1.760563   1.123596
7   0.704225   2.247191
8   3.521127   3.370787

单列用法

>>> df[['Col2']].apply(normalize_numpy,axis=0)
       Value
0   1.123596
1   2.247191
2   3.370787
3   4.494382
4   5.617978
5  76.404494
6   1.123596
7   2.247191
8   3.370787

【讨论】：

如果我还需要将其扩展到多列？
修改答案以适应单列和多列使用